El efecto de las habilidades socioemocionales en las brechas de género en competencias claves de los jóvenes costarricenses en secundaria según PISA 2015 y PISA 2018: un análisis de ecuaciones estructurales con enfoque bayesiano

Abstract

Esta investigación tiene como objetivo identificar los factores socioemocionales asociados a la brecha de género en el rendimiento académico en áreas claves de los jóvenes de 15 años que participaron en las pruebas PISA 2015 y 2018. Mediante un análisis de grupos con modelos de ecuaciones estructurales de estimación bayesiana, se examinan subgrupos definidos por sexo y capital cultural del hogar, permitiendo evaluar cómo estas variables moderan las relaciones entre factores socioemocionales y desempeño académico. Los resultados muestran que los factores socioemocionales tienen impactos diferenciados en el rendimiento de cada grupo. En todos los subgrupos, la mentalidad de crecimiento predice un mejor desempeño en competencia lectora, destacando la relevancia de fomentar esta actitud en el contexto educativo. El bienestar psicológico evidencia un efecto positivo en la competencia científica, aunque en entornos con menor capital cultural se observaron relaciones inversas, posiblemente asociadas a condiciones de vulnerabilidad socioeconómica. En cuanto a las disposiciones hacia el colegio, en PISA 2018 se observan efectos positivos en estudiantes de entornos menos favorecidos, mientras que en entornos altos los efectos tienden a ser negativos, reflejando posibles diferencias en las dinámicas sociales según el contexto. Finalmente, la competencia global, evaluada en 2018, mostró un impacto significativo en el rendimiento académico de las mujeres, relacionado con su mayor orientación hacia la empatía y adaptación intercultural. Los hallazgos resaltan la necesidad de intervenciones educativas que integren habilidades socioemocionales adaptadas a las particularidades de cada grupo, y destacan la importancia de la colaboración entre familias y el sistema educativo para apoyar el desarrollo integral de los estudiantes y reducir las disparidades en el aprendizaje. Adicionalmente, se realizó un análisis comparativo entre el enfoque bayesiano y el método de Máxima Verosimilitud Robusta (MLR). Los resultados mostraron que el enfoque bayesiano proporciona estimaciones más robustas y estables, especialmente en modelos con distribuciones no normales y estructuras poco parsimoniosas como las especificaciones usualmente involucradas con los datos de las pruebas PISA.This research aims to identify the socio-emotional factors associated with the gender gap in academic performance in key areas among 15-year-old students who participated in the PISA 2015 and 2018 assessments. Using a multi-group analysis with Bayesian structural equation modeling, subgroups defined by gender and household cultural capital are examined, allowing for an assessment of how these variables moderate the relationships between socio-emotional factors and academic performance. The results show that socio-emotional factors have differential impacts on each group's performance. In all subgroups, a growth mindset predicts better reading competence, highlighting the importance of fostering this attitude in educational contexts. Psychological well-being exhibits a positive effect on scientific competence, although inverse relationships were observed in lower cultural capital environments, possibly associated with socioeconomic vulnerability. Regarding school-related attitudes, PISA 2018 results indicate positive effects among students from disadvantaged backgrounds, whereas in high-capital environments, the effects tend to be negative, reflecting potential differences in social dynamics depending on the context. Finally, global competence, assessed in 2018, showed a significant impact on female students' academic performance, linked to their higher orientation toward empathy and intercultural adaptation. The findings underscore the need for educational interventions that integrate socio-emotional skills tailored to the specific characteristics of each group and highlight the importance of collaboration between families and the education system to support students’ holistic development and reduce learning disparities. Additionally, a comparative analysis between the Bayesian approach and the Robust Maximum Likelihood (MLR) method was conducted. The results indicate that the Bayesian approach provides more robust and stable estimates, particularly in models with non-normal distributions and complex structures, such as those typically involved in PISA data analyses.